FDE 企业 AI 落地与交付 · 隐性知识提取与经验沉淀 · 2026-06-08

企业最值钱的知识,从来都没有被记录下来

那些最值钱的企业知识,往往只存在于人的记忆与直觉中,从未被系统记录。AI的失败,正是因为它缺少这些默会知识的“燃料”。

核心内容:

  1. 默会知识的概念与在组织中的核心价值
  2. 传统数字化工具对默会知识的记录困境与悖论
  3. AI应用与未来组织如何捕获和利用默会知识

一家公司运营十年,招聘了大量优秀的人,做了无数成功的项目。

但有一天,那个"最懂品牌"的总监离职了。下一个接手的人,翻遍所有系统,找不到那些判断背后的逻辑——为什么拒掉了这个创意方向、为什么这个词不能用、为什么这个色调在去年出了问题。

那些知识,并没有消失。它们只是从未被记录过。

默会知识:

那些"只可意会"的东西

1958年,哲学家迈克尔·波兰尼(Michael Polanyi)提出了一个影响深远的概念:默会知识(tacit knowledge)。

他的原话是:"We can know more than we can tell."

我们知道的,远比我们能说出来的多。

波兰尼举了一个例子:骑自行车。你会骑,但你无法用语言完整地描述"怎么骑"——那种微妙的重心调整、踩踏时机、方向判断,是身体记住的,不是语言能复现的。

这类知识存在于所有复杂的人类活动中:外科医生的手感、老工程师的直觉、优秀设计师对"好作品"的判断力。它们通过实践积累,通过师徒传授,却几乎无法被系统化地捕捉和传递。

默会知识是人类最宝贵的知识形态,也是组织最难以留存的资产。

https://extendedbrain.substack.com/p/gems-from-polanyis-personal-knowledge

数字化记录了什么,

又遗漏了什么

过去三十年,企业花了大量钱在"知识管理"上。ERP、CRM、文档系统、项目管理工具……结果呢?

这些系统记录的,都是显性知识:合同编号、项目状态、会议纪要、报表数据。它们是组织的"骨架",有结构,可查询,能统计。

但组织真正的运转,依赖的是另一种东西:一次失败项目后团队形成的共识、一个客户反复提到的词背后的偏好、一次内容爆发之后沉淀下来的选题直觉。这些是默会知识。它们活在聊天记录、提案批注、内部复盘的只言片语里,甚至只活在某个人的记忆里。

传统IT架构处理不了这类信息。结构化数据是"骨头",系统很擅长;非结构化数据是"血肉",系统基本放弃。

于是我们得到了一个悖论:企业数字化越深入,留存下来的知识反而越单薄。

AI为什么在大多数企业失败了

过去两年,几乎每家企业都接入了大模型。但真正从AI获得可持续回报的,不超过1%。

问题出在哪里?

不是模型不够强。GPT-4、Claude、通义千问,每隔几个月就有更好的版本。但模型再强,它也不知道:

— 以上为试看内容(约 40%),开通会员后阅读全文 —

原文出处:https://www.53ai.com/news/zhishiguanli/2026060853742.html